[发明专利]人员重新识别中的无监督域纠正伪标签方法及装置

权利要求书

1.一种人员重新识别中的无监督域纠正伪标签方法，其特征在于，包括：

根据收集的行人图片数据建立行人重识别图像训练集；

利用所述行人重识别图像训练集训练选取的卷积神经网络，其中，对卷积神经网络从所述行人重识别图像训练集中提取的特征向量进行约束；

将从所述行人重识别图像训练集中提取出的特征向量进行缓存以便于卷积神经网络的对比学习；

对卷积神经网络的对比学习结果进行量化评估。

2.根据权利要求1所述的人员重新识别中的无监督域纠正伪标签方法，其特征在于，还包括：对卷积神经网络从所述行人重识别图像训练集中提取的特征向量进行约束后利用优化器和反向传播原理对所述卷积神经网络的参数进行修正。

3.根据权利要求1所述的人员重新识别中的无监督域纠正伪标签方法，其特征在于，所述利用所述行人重识别图像训练集训练选取的卷积神经网络，包括：

使用带有标签的行人重识别图像训练集对所述卷积神经网络进行监督学习训练并使用交叉熵函数训练卷积神经网络；

在目标数据集中使用训练后的卷积神经网络提取图片的特征向量；

使用特征向量的随机梯度下降法根据过去的特征向量变化预测现在的目标特征向量。

4.根据权利要求1所述的人员重新识别中的无监督域纠正伪标签方法，其特征在于，还包括：

在使用缓存的特征向量的时候，对缓存的特征向量进行当前模型的参数进行中和。

5.一种人员重新识别中的无监督域纠正伪标签装置，其特征在于，包括：

训练集建立单元，用于根据收集的行人图片数据建立行人重识别图像训练集；

卷积神经网络训练单元，用于利用所述行人重识别图像训练集训练选取的卷积神经网络，其中，对卷积神经网络从所述行人重识别图像训练集中提取的特征向量进行约束；

缓存单元，用于将从所述行人重识别图像训练集中提取出的特征向量进行缓存以便于卷积神经网络的对比学习；

量化评估单元，用于对卷积神经网络的对比学习结果进行量化评估。

6.根据权利要求5所述的人员重新识别中的无监督域纠正伪标签装置，其特征在于，还包括：修正单元，用于对卷积神经网络从所述行人重识别图像训练集中提取的特征向量进行约束后利用优化器和反向传播原理对所述卷积神经网络的参数进行修正。

7.根据权利要求5所述的人员重新识别中的无监督域纠正伪标签装置，其特征在于，所述卷积神经网络训练单元包括：

训练模块，用于使用带有标签的行人重识别图像训练集对所述卷积神经网络进行监督学习训练并使用交叉熵函数训练卷积神经网络；

特征向量提取模块，用于在目标数据集中使用训练后的卷积神经网络提取图片的特征向量；

预测模块，用于使用特征向量的随机梯度下降法根据过去的特征向量变化预测现在的目标特征向量。

8.根据权利要求5所述的人员重新识别中的无监督域纠正伪标签装置，其特征在于，还包括：

参数中和单元，用于在使用缓存的特征向量的时候，对缓存的特征向量进行当前模型的参数进行中和。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至4中任意一项所述人员重新识别中的无监督域纠正伪标签方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至4中任意一项所述人员重新识别中的无监督域纠正伪标签方法。